2114-P：人工智能辅助识别儿童 1 型糖尿病严重低血糖的危险因素

引言与目的：严重低血糖（SH）是 1 型糖尿病（T1D）的一种危及生命的并发症，因此准确识别风险至关重要。我们利用基于人工智能（AI）的病历审查来改进对 T1D 患儿 SH 相关因素的识别。方法：我们研究了 2020 年 4 月至 2025 年 4 月期间在一家大型三级医疗中心内分泌科就诊的 T1D 患儿（<18 岁）（n = 4,018）。临床医生必须在每次就诊时使用嵌入病历系统的问卷筛查 SH。数据科学家采用 AI 辅助与传统方法相结合的混合策略，利用 PySpark 转换、Palantir Foundry 内的 ChatGPT 5.1 以及定制 Python 脚本提取临床、社会经济和 CGM 数据。使用 Fisher 精确检验、χ² 检验和 Mann-Whitney 检验比较伴有和不伴有 SH 的组别。进行了部分多因素回归分析。结果：临床医生记录的 SH 发生率为 5%（206/4018）。表 1 展示了各组比较结果。在控制保险类型后，黑人种族与 SH 不再具有显著相关性（p=0.07）。结论：AI 辅助的 SH 分析反映了在血糖控制和糖尿病技术应用方面已确立的差异，这些差异可能与医保覆盖范围相关。未来由 AI 生成的预测模型可能会改善风险评估并指导针对性干预措施。利益冲突披露 N. Borrego：无。D. Palacios：无。H. Chen：无。Z. Liu：无。D.J. DeSalvo：顾问；当前；Dexcom, Inc.、Insulet Corporation。顾问委员会成员；当前；Sanofi。研究支持；当前；Medtronic。R.S. Aguirre：顾问委员会成员；已结束；Sanofi。研究支持；当前；Sanofi。M.J. Redondo：顾问委员会成员；当前；Sanofi。其他 - 数据安全监查委员会成员；当前；Lilly。M. Tosur：无。M.L. Ferm：顾问委员会成员；已结束；Rezolute Inc.。